[发明专利]一种基于机器视觉的溢渣检测方法

说明书

本发明提供一种基于机器视觉的溢渣检测方法，包括：采集冶炼炉的图像信息，并对图像信息进行预处理；识别出图像中冶炼炉的轮廓位置；根据所述轮廓位置获取冶炼炉图像，在所述图像信息中对所述冶炼炉图像求补集，获取感兴趣区域；获取所述感兴趣区域内灰度值较高的亮点；计算所述亮点在所述感兴趣区域内的像素占比，并根据像素占比进行预警，提高了溢渣检测的精确性，避免人员以及设备损伤，本方案具有易于实现、计算量小、稳定性强的优点，同时可以满足实时性处理的要求，并实现智能化的溢渣检测及预警。

技术领域

本发明涉及工业检测领域，特别是涉及一种基于机器视觉的溢渣检测方法。

背景技术

在炼钢过程中，需要对钢水进行精炼，VD(真空脱气/Vacuum Degassing)精炼是一种在真空环境下吹氩精炼的方式。在VD炉抽真空前，吹入氩气的搅拌能力弱，因此渣-金界面反应较慢，渣面微微波动；随着VD炉内真空度的提升，吹入氩气的体积膨胀越来越剧烈，导致炉渣发泡及炉渣体积剧烈膨胀，沿钢包溢出，并烧坏真空室内的设备，严重影响生产。目前，对冶炼炉的溢出的检测主要依靠人工观察，进而对溢渣情况进行监测和反馈，不仅危险，而且检测容易出现人为误差，影响安全生产。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于机器视觉的溢渣检测方法，用于解决现有技术中溢渣检测不便的问题。

为实现上述目的及其他相关目的，本发明提供一种基于机器视觉的溢渣检测方法，包括：采集冶炼炉的图像信息，并对图像信息进行预处理；识别出图像中冶炼炉的轮廓位置；根据所述轮廓位置获取冶炼炉图像，在所述图像信息中对所述冶炼炉图像求补集，获取感兴趣区域；获取所述感兴趣区域内灰度值较高的亮点；计算所述亮点在所述感兴趣区域内的像素占比。可选的，所述预处理包括对所述图像信息进行灰度处理，并获得灰度图像，所述灰度图像为像素矩阵。

可选的，对所述灰度图像进行二值化处理获取二值化图像。

可选的，获取所述灰度图像中的两个峰值，对两个所述峰值求灰度均值，将所述灰度图像中高于所述灰度均值的像素灰度设置为“1”，将所述灰度图像中低于所述灰度均值的像素灰度设置为“0”，获取所述二值化图像。

可选的，提供图像采集模块，并将所述图像采集模块的拍摄图像中心与所述冶炼炉的圆心设置为同心，对称选取所述拍摄图像的一半为所述图像信息。

可选的，定义所述轮廓位置与所述冶炼炉图像圆心的距离为R，定义以所述冶炼炉的圆心为圆心且以R+D为半径的圆为检测圆，在所述图像信息内对所述冶炼炉图像与检测圆的图像求补集，所述补集为感兴趣区域。

可选的，获取所述感兴趣区域内像素灰度为“1”的像素，所述像素灰度为“1”的像素为所述亮点。

可选的，计算所述亮点在所述感兴趣区域的像素占比，根据像素占比来检测溢渣。

可选的，当所述像素占比小于1％时，则溢渣不严重；当所述像素占比大于1％小于10％时，则存在轻微溢渣现象；当所述像素占比大于10％小于20％时，则存在中度溢渣现象；当所述像素占比大于20％小于50％时，则存在较为严重溢渣现象；当所述像素占比大于50％时，则存在十分严重的溢渣现象。

如上所述，本发明的基于机器视觉的溢渣检测方法，具有以下有益效果：

通过对图像进行图像处理，提取出VD精炼炉炉口轮廓，并设置ROI区域，针对ROI区域进行图像识别，计算出VD溢渣占比，从而获得VD精炼炉的溢渣状况，本发明针对炼钢过程中的VD精炼如何监控溢渣情况的问题，能够准确识别出VD溢渣，并精确计算VD溢渣量并识别VD溢渣的不同程度，可实现自动化、智能化地监控VD炉的实时状态，防止VD炉因吹氧过量而造成的钢水的大规模喷溅，具有易于实现、计算量小、稳定性强的优点，同时可以满足实时性处理的要求，保证VD溢渣检测的准确性，并实现智能化的VD溢渣预警。

附图说明